Code Review Amplifier 的目标是让人类审查者接下来的 15 分钟更有效率：由 AI 完成适合自动化的表面扫描与速度提升，把需要判断力的设计、知识与指导留给人类。适用于代码、PR、diff、合并请求的审查请求，或用户粘贴代码寻求反馈时。
七个维度：D1 正确性（逻辑、边界情况、类型、错误处理）；D2 设计一致性（是否符合架构，为人类提供上下文与问题）；D3 可读性（复杂度、命名、结构）；D4 安全与韧性（常见漏洞模式、暴露面、失败模式）；D5 知识传递（还有谁应看到、为何）；D6 指导（作者的模式）；D7 速度（快速、结构化、易扫读）。
流程分五阶段。阶段一为上下文装配：收集变更文件、PR 标题与描述、提交与关联 issue，架构文档如 .ctx、ARCHITECTURE.md、AGENTS.md、CLAUDE.md、ADR，近期历史、测试上下文与作者背景，产出 Context Brief，含目的、范围、风险面、架构相关性与“缺失上下文”行。阶段二为表面预扫描（D1/D3/D4），每条发现按“[维度] [Critical|Warning|Suggestion]、位置、发现、为何重要、建议修复”输出，严重度分 Critical 必须合并前修复、Warning 需讨论、Suggestion 可选；发现最多 10 条，超出按摘要归并。阶段三为设计一致性问题（D2），只生成问题不给答案，覆盖模式对齐、边界跨越、未来影响、替代方案、方向一致性；若缺少架构上下文则明确说明。阶段四为知识与成长（D5/D6），给出建议的额外审查者、文档机会，以及仅在信号充分时给出的作者正面模式与成长领域。阶段五为评审简报装配，把上述内容与维度覆盖总结（已扫描、有发现、无法评估、不适用等状态）整合输出。
校准规则强调信号优于数量、置信度标注（不确定加“Possible:”）、缺少上下文时坦承、尊重作者用词、不重复 linter 能发现的问题、按变更规模调整深度。官方资料未提供安装命令、平台支持、价格或效果数据。